引言
前列腺影像报告和数据系统2.1版（PI-RADS v2.1）是当前前列腺多参数磁共振成像（mpMRI）判读的标准化体系1，然而PI-RADS 3分的中等可疑病灶存在显著的判读不确定性，易造成观察者间差异与过度穿刺活检。人工智能（AI）系统可通过客观的影像分析，优化前列腺MRI判读流程，减少疾病过度诊断。
基于此背景，一项名为“Artificial intelligence incorporating PI-RADS v2.1 reduce ambiguity in PI-RAD 3 lesion and prevent unnecessary prostate biopsies”的研究，在2026年第41届欧洲泌尿外科协会（EAU）年会上公布了相关结果2。
研究目的
该研究旨在开发并验证一套基于PI-RADS v2.1判读标准、用于分析前列腺mpMRI影像的AI系统，评估该系统在前列腺病灶良恶性鉴别中的诊断效能，明确其在降低PI-RADS 3分病灶评估不确定性、减少临床不必要前列腺穿刺活检中的应用价值。
研究方法
该研究为回顾性单中心研究，研究团队采用开源PROSTATEx挑战赛数据库中的204例患者数据及台湾成功大学附属医院（NCKUH）的30例患者数据构建了基于U-Net 3+架构的AI系统。随后将该AI算法应用于NCKUH 70例患者的前列腺mpMRI扫描影像中，对比AI判读与放射科医师判读给出的PI-RADS评分，以MRI靶向穿刺活检或前列腺切除术获取的组织病理学结果作为诊断金标准。研究的主要终点为AI系统与放射科医师鉴别病灶良恶性的受试者工作特征曲线下面积（AUROC）。
研究结果
该AI系统在鉴别良性前列腺增生（BPH）与非临床显著前列腺癌（non-csPCa）方面的诊断效能显著优于放射科医师，AUROC较放射科医师提升11.8%（95%CI：0.386-23.214%，P=0.043）。其中放射科医师判读的AUROC为0.695（95%CI：0.572-0.818，P=0.005），AI系统的AUROC可达0.813（95%CI：0.711-0.916，P<0.001）（图1）。
图1 该AI系统与放射科医师的AUROC比较
该AI系统将16例初始被放射科医师评估为PI-RADS 3分及以上的病例重新分类为PI-RADS 2分及以下，这些病例的最终病理结果均为BPH或non-csPCa（表1）。
表1 AI系统对70例患者PI-RADS评分的重新分类
同时该AI系统生成的PI-RADS评分呈现出清晰的二分类分布特征，在鉴别BPH与non-csPCa方面表现更优异（图2）。
图2 AI生成PI-RADS评分的二分类分布
研究结论
该研究开发的融合PI-RADS v2.1标准的AI系统，在鉴别BPH与non-csPCa方面展现出优于放射科医师的诊断效能。其生成的PI-RADS评分可有效降低PI-RADS 3分中等可疑病灶的评估不确定性，具备避免临床不必要前列腺穿刺活检的应用潜力，可为前列腺癌的精准影像评估与个体化穿刺决策提供新的循证依据。
参考文献
[1] Turkbey B, Rosenkrantz AB, Haider MA, et al. Prostate Imaging Reporting and Data System Version 2.1: 2019 Update of Prostate Imaging Reporting and Data System Version 2. Eur Urol. 2019 Sep;76(3):340-351.
[2] Lin K-C., Liu S.W., Kuo Y.M., et al. Artificial intelligence incorporating PI-RADS v2.1 reduce ambiguity in PI-RAD 3 lesion and prevent unnecessary prostate biopsies. Eur Urol Suppl, 2026, 89(S 1):P0917.
审批编号：CN-182987
有效期至：2026/10/23
本材料由阿斯利康提供，仅供医疗卫生专业人士参考，不用于推广目的。若涉及具体药物使用，请参考相关药物说明书，阿斯利康不建议您将产品超说明书使用。
撰写：Nobody
审校：Nobody
排版：Zelda
执行：Zelda
本平台旨在为医疗卫生专业人士传递更多医学信息。本平台发布的内容，不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议。如该等信息被用于了解医学信息以外的目的，本平台不承担相关责任。本平台对发布的内容，并不代表同意其描述和观点。若涉及版权问题，烦请权利人与我们联系，我们将尽快处理。
热门跟贴